Microfluidic concentration and separation of circulating tumor cell clusters from large blood volumes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Circulating tumor cells (CTCs) are extremely rare in the blood, yet they account for metastasis. Notably, it was reported that CTC clusters (CTCCs) can be 50-100 times more metastatic than single CTCs, making them particularly salient as a liquid biopsy target. Yet they can split apart and are even rarer, complicating their recovery. Isolation by filtration risks loss when clusters squeeze through filter pores over time, and release of captured clusters can be difficult. Deterministic lateral displacement is continuous but requires channels not much larger than clusters, leading to clogging. Spiral inertial focusing requires large blood dilution factors (or lysis). Here, we report a microfluidic chip that continuously isolates untouched CTC clusters from large volumes of minimally (or undiluted) whole blood. An array of 100 μm-wide channels first concentrates clusters in the blood, and then a similar array transfers them into a small volume of buffer. The microscope-slide-sized PDMS device isolates individually-spiked CTC clusters from >30 mL per hour of whole blood with 80% efficiency into enumeration (fluorescence imaging), and on-chip yield approaches 100% (high speed video). Median blood cell removal (in base-10 logs) is 4.2 for leukocytes, 5.5 for red blood cells, and 4.9 for platelets, leaving less than 0.01% of leukocytes alongside CTC clusters in the product. We also demonstrate that cluster configurations are preserved. Gentle, high throughput concentration and separation of circulating tumor cell clusters from large blood volumes will enable cluster-specific diagnostics and speed the generation of patient-specific CTC cluster lines.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle